Päättäjähaastattelumme haaviin tarttui SAS Instituten Antti Heino. Teemoina AI:n ja agenttisen AI:n rakentamisen ja implementoinnin olennaisuudet, painopisteet ja karikot. Kysymyssorvin takana touhusi ASML:n Jari Perko.
Antti Heino auttaa organisaatioita hyödyntämään analytiikkaa ja tekoälyä älykkäämpien, dataan perustuvien päätösten tekemiseen laajassa mittakaavassa.
Hän toimii analytiikan ja tekoälyn neuvonantajana, ja hän tukee organisaatioita edistyneissä data- ja tekoälyvetoisissa muutoshankkeissa — strategiasta skaalautuvaan toteutukseen. Antti yhdistää syvällisen teknisen osaamisen käytännölliseen liiketoimintaymmärrykseen muuttaakseen analytiikan konkreettisiksi liiketoimintatuloksiksi.
”Data ei luo arvoa — paremmat päätökset luovat.”
1. Keskusteluissa näkyy AI:n kaitseminen eli determinististen elementtien oleminen yhä vahvemmassa ja tärkeämmässä roolissa. Miten “black box vs. sääntöpohjaisuus”-jako näyttäytyy teille tällä hetkellä?
Deterministisyys on välttämätöntä monilla säännellyillä toimialoilla ja julkisella sektorilla. Varsinkin jos kyse on ihmisiä koskevasta päätöksenteosta, on ehdoton edellytys, että samanlainen asiakas tai kansalainen saa samankaltaisen päätöksen eli sama syöte johtaa aina samaan lopputulokseen.
Tekoälymallit toimivat taas tyypillisesti probabilistisesti eli ne perustuvat todennäköisyyksiin. Ne ovat äärettömän hyödyllisiä siksi, että ne voidaan opettaa hoitamaan monia erilaisia tilanteita ilman, että niille pitää määritellä kaikki mahdolliset variaatiot etukäteen.
Tärkeää onkin ymmärtää millaisiin päätöksiin, prosesseihin tai niiden vaiheisiin voidaan soveltaa kunkin tyyppistä lähestymistapaa. Näin saadaan tasapainotettua päätösten ennakoitavuus ja prosessien joustavuus.
2. Miten vastuullinen AI ja laadun toteuma varmistetaan kun AI tekee valintoja ja päätöksiä monen vaiheen päässä “alkukäskytyksestä”? Miten human-in-the-loop käytännössä toteutuu vastuullisesti?
Laadun varmistamisen kannalta on tärkeää rakentaa prosessit hallitusti ja antaa agenteille tarkasti määritellyt vastuualueet. Yhden agentin sijasta kannattaa agenttien hyödyntämistä ajatella tiimin muodostamisena. Tarvitaan yksi agentti, joka toimii tiimin johtajana. Sen tehtävä on vain ymmärtää millaisesta tehtävästä on kyse ja ohjata se tiettyihin tehtäviin erikoistuneille ala-agenteille. Nämä ala-agentit voivat olla keskenään erilaisia ja ne hyödyntävät kyseisen tehtävän suorittamiseen tarvittavia päätöksentekomekanismeja ja työkaluja. Esimerkiksi jos jokin päätös täytyy tehdä täysin deterministisesti, voidaan näin varmistaa, että päätös tapahtuu aina samalla tavalla.
Tämän agenttien suunnittelutavan huomioimisen lisäksi täytyy tietenkin huolehtia myös datan laadun, biaksen ja AI-mallien tarkkuuden valvonnasta. Ihmisen siis täytyy pystyä valvomaan, että päätöksiä varten tuleva data on riittävän samankaltaista mallin kehitysvaiheeseen verrattuna ja mallien tekemät päätökset ovat johdonmukaisia, järkeviä ja vievät onnistumisen mittareita oikeaan suuntaan.
3. Mitä asioita agenttisen AI:n rakentamisen aloittamisessa on syytä varoa, missä on syytä olla erityisen tarkkana?
Hypetyksen keskellä voi monelle iskeä päälle paha FOMO (Fear of missing out) ja agenttisen AI:n rakentamiseen lähdetään liikaa teknologia edellä. Päätetään siis ensin teknologiaksi agenttinen AI ja sitten vasta ihmetellään mihin sitä voitaisiin käyttää. Tällä tavoin päädytään monesti erilaisiin kokeiluihin ja nekin toki voivat olla hyödyllisiä jos on tarkoitus oppia. Jos taas halutaan selkeämpää liiketoimintahyötyä olisi tärkeämpää lähteä yrityksen strategista, kilpailuedusta ja skaalautumismahdollisuuksista, ja vasta sitten päättää onko agenttinen AI oikea työväline päämäärän saavuttamiseen.
Tietenkin on syytä myös varoa regulaation ja datan asettamia reunaehtoja, jotta ymmärretään varhaisessa vaiheessa onko agenttisen AI:n hyödyntäminen ylipäätään mahdollista. Tarvittava data prosessin tukemiseksi tai automatisoimiseksi on löydyttävä omista tietokannoista ja pystyttävä hakemaan ulkoisista lähteistä. Regulaation on mahdollistettava automaattiset päätökset siltä osin kun agentteja pyritään hyödyntämään.
4. Onko sinulle tullut vastaan jotain käyttötapausta, jossa AI-agentti olisikin toiminut paremmin kuin etukäteen oli arvioitu?
Selkeintä ja varminta menestystä AI-agenteissa saadaan erityisesti kahdella eri alueella.
Ensimmäinen on työntekoa tukevat agentit, jotka pääsevät hyödyntämään organisaation omaa tietopääomaa. Ne voivat tuottaa työntekijöille valmista taustatutkimusta esim. asiakastapaamisiin tai toimia reaaliaikaisesti asiakaspalvelutilanteessa tukena. Pääsy organisaation omaan tietoon on olennaista, koska se auttaa agentteja tarjoamaan parhaita mahdollisia vastauksia perustuen organisaation omiin dokumentteihin. Vastaukset on myös helppo tarvittaessa tarkistaa kun agentti pystyy kertomaan tarkalleen mihin dokumenttiin ja kohtaan siellä agentin antama vastaus perustuu.
Toinen alue on organisaation oman strategian mukainen päätösautomaatio. Kun päätösautomaatiota saadaan sovellettua vaikkapa sellaisiin asiakkuudenhoito- tai hankintaprosessien vaiheisiin, jotka toistuvat jatkuvasti, saadaan riittävää skaalaa ja sitä kautta hyötyjä. On vain tärkeä muistaa hyödyntää agenttien vastuullisia suunnitteluperiaatteita, joihin viittasin aiemmin.
5. Ja sitten katse teenlehtiin, tulevaisuuteen, mikä on alati kehittyvän AI:n saralla kyllä haastavaa. Mitä agenttisen AI:n saralla arviot tapahtuvan vuoden kahden sisään, mihin on hyvä varautua?
Tällä hetkellä monilla on käytössä paljon omien järjestelmien ulkoisia AI-avustajia tai -agentteja. Arvioisin, että seuraavan parin vuoden sisään alamme näkemään yhä enemmän eri järjestelmiin integroituja avustajia ja agentteja, jotka voivat auttaa erilaisissa organisaatioidemme avainprosesseissa. Tämä on tärkeää niiden hyödyllisyyden kannalta, koska silloin ne ymmärtävät paremmin koko tehtävän kontekstin ja sitä ei tarvitse koittaa antaa niille tipoittain kopioimalla tai syöttämällä tekstiä itse työkaluihin.
6. Mistä lisätietoa aiheesta?
Mikäli haluat oppia lisää agenttisesta AIsta, suosittelen tutustumaan esim. tähän dokumenttiin. Vinkkaan mielelläni lisääkin luettavaa tai keskustelen aiheesta, minut löytää Antti Heino | LinkedIn.